Google चे Lyria 3.5 जेमिनी ॲप आणि API वर AI संगीत जनरेशन आणते

Google ने लिरिया 3.5, जेमिनी ॲप, फ्लो म्युझिक, एआय स्टुडिओ आणि त्याच्या API मध्ये अर्थपूर्ण गायन आणि फुलर व्यवस्था असलेले AI संगीत मॉडेल रिलीज केले आहे.

Google ने Lyria 3.5, त्याच्या AI म्युझिक जनरेशन मॉडेलची नवीनतम आवृत्ती, थेट Gemini ॲपमध्ये आणि त्याच्या विकसक API द्वारे जारी केली आहे, कंपनीने या आठवड्याच्या शेवटी घोषणा केली. रोलआउट जेमिनीच्या प्रचंड वापरकर्ता आधारासमोर मजकूर-ते-संगीत जनरेशन ठेवते आणि या पिढीमध्ये प्रथमच विकासकांना मॉडेलमध्ये प्रोग्रामॅटिक प्रवेश देते.

द डीकोडर आणि इतर आउटलेट्स द्वारे लॉन्चची नोंद करण्यात आली होती, ज्यामध्ये असे नमूद केले होते की Google ला लायरिया 3.5 ला त्याचे सर्वात सक्षम संगीत मॉडेल म्हणून स्थान देत आहे, त्याच्या पूर्ववर्तीपेक्षा चांगले गायन आणि पूर्ण व्यवस्था. एआय टूल्सची शर्यत आता थेट क्रिएटिव्ह मीडियाद्वारे चालते हे देखील नवीनतम चिन्ह आहे — ज्याचे आम्ही आमच्या AI टूल्स कव्हरेज मध्ये जवळून पालन करतो.

Lyria 3.5 काय करू शकते

Google च्या मते, Lyria 3.5 हे बदललेल्या आवृत्तीपेक्षा अधिक अर्थपूर्ण गायन आणि समृद्ध संगीत व्यवस्था देते. वापरकर्ते जेमिनी ॲपमध्ये शैली आणि शैली निवडू शकतात, गायन आणि वाद्ये यांच्यात निवड करू शकतात आणि लहान क्लिपपासून संगीताच्या लांब तुकड्यांपर्यंतचे ट्रॅक तयार करू शकतात.

Google ने पार्श्वभूमी संगीत आणि वैयक्तिकृत वाढदिवसाच्या गाण्यांसाठी प्रीसेटसह, नवोदितांना प्रारंभ करण्यात मदत करण्यासाठी डिझाइन केलेले टेम्पलेट्स देखील जोडले आहेत - हे एक चिन्ह आहे की कंपनी संगीतकारांप्रमाणेच प्रासंगिक वापरकर्ते आणि उत्सवांना लक्ष्य करत आहे. खेळपट्टी Google च्या इतर मिथुन वैशिष्ट्यांपासून परिचित आहे: जोपर्यंत कोणीही एक किंवा दोन वर्णनातून पूर्ण कलाकृती तयार करू शकत नाही तोपर्यंत अडथळा कमी करा.

कार्यप्रवाह त्या साधेपणाचे प्रतिबिंबित करते. वापरकर्ता त्यांना पाहिजे असलेल्या ट्रॅकचे वर्णन करतो, शैली आणि शैली पॅरामीटर्स निवडतो आणि आउटपुटमध्ये व्होकल्स असावे की इंस्ट्रुमेंटल राहावे हे ठरवतो. कारण मॉडेल लहान स्टिंग आणि लांब रचना दोन्ही हाताळते, त्याच साधनामध्ये वाढदिवसाचा संदेश, पॉडकास्ट बेड किंवा होम व्हिडिओसाठी साउंडट्रॅक समाविष्ट आहे — पूर्वी स्टॉक-म्युझिक सबस्क्रिप्शन किंवा भाड्याने घेतलेल्या संगीतकाराची आवश्यकता असलेली प्रकरणे वापरा.

जेथे मॉडेल उपलब्ध आहे

रोलआउट जेमिनी ॲपच्या पलीकडे आहे. Google च्या घोषणेनुसार, Lyria 3.5 Google Flow Music मध्ये जोडलेल्या वैशिष्ट्यांसह, Google AI स्टुडिओमध्ये विकसकांसाठी आणि Google Vids मध्ये, कंपनीचे AI-शक्तीवर चालणारे व्हिडिओ निर्मिती साधन देखील उपलब्ध आहे. एपीआय ऍक्सेस म्हणजे तृतीय-पक्ष अनुप्रयोग थेट मॉडेलवर तयार करू शकतात, जे येत्या काही महिन्यांत तृतीय-पक्ष ॲप्समध्ये संगीत-संचालित वैशिष्ट्यांची लाट वाढवू शकतात.

ती रुंदी महत्त्वाची आहे. कंझ्युमर असिस्टंट, डेव्हलपर प्लॅटफॉर्म आणि व्हिडिओ एडिटरवर म्युझिक मॉडेल एम्बेड केल्याने Google ला एकापेक्षा जास्त पृष्ठभाग मिळतात जिथे व्युत्पन्न केलेला ऑडिओ हा स्टँडअलोन नॉव्हेल्टीऐवजी डीफॉल्ट क्रिएटिव्ह पर्याय बनतो.

विकसकांसाठी, एआय स्टुडिओ प्रवेश हा एक उल्लेखनीय भाग आहे. हे लिरियाला ग्राहकांच्या कुतूहलातून बिल्डिंग ब्लॉकमध्ये हलवते: फिटनेस ॲप्स अनुकूल व्यायाम संगीत व्युत्पन्न करू शकतात, गेम स्टुडिओ प्रक्रियात्मक स्तरावर स्कोअर करू शकतात आणि शैक्षणिक साधने धड्यांसाठी सानुकूल गाणी तयार करू शकतात. Google ने आत्तापर्यंत नोंदवलेल्या सामग्रीमध्ये API किंमत जाहीर केलेली नाही, त्यामुळे मॉडेलचे मीटर कसे मोजले जाते हे पाहणे बाकी आहे — परंतु केवळ उपलब्धता हे संकेत देते की कंपनीला Lyria 3.5 ला त्याच्या स्वतःच्या उत्पादनांपुरते मर्यादित न ठेवता व्यापक ॲप इकॉनॉमीमध्ये एम्बेड केलेले हवे आहे.

परवानाकृत-प्रशिक्षण खेळपट्टी

Google च्या घोषणेचा सर्वात स्पष्ट भाग प्रशिक्षण डेटाशी संबंधित आहे. Google म्हणते की Lyria मॉडेल केवळ परवानाकृत सामग्रीवर प्रशिक्षित केले गेले होते — सुनो, AI म्युझिक स्टार्टअप, ज्यांच्या प्रशिक्षण पद्धतींनी कॉपीराइट खटला काढला आहे, ज्यामध्ये संगीत हक्क गट GEMA ने आणलेल्या ऐतिहासिक जर्मन खटल्याचा समावेश आहे, ज्यामध्ये सुनोने या वर्षाच्या सुरुवातीला हरवले होते.

द डीकोडरने नमूद केल्याप्रमाणे, Google ने प्रत्यक्षात कोणता प्रशिक्षण डेटा वापरला याबद्दल तपशील सामायिक केलेला नाही. परंतु परवानाकृत सामग्री फ्रेमिंग अशा उद्योगात एक स्पष्ट रेषा काढते जिथे प्रशिक्षण डेटाचे मूळ कायदेशीर आणि व्यावसायिक भिन्नता बनत आहे. अधिकार धारकांसाठी, पूर्ण परवानाधारक प्रशिक्षणाचा दावा करणारी प्रमुख प्रयोगशाळा स्पर्धकांसाठी बार वाढवते; व्यावसायिक वापरकर्त्यांसाठी, हे कमीतकमी काही कायदेशीर जोखीम कमी करते ज्यामुळे AI-व्युत्पन्न ऑडिओ जाहिरात आणि मीडिया उत्पादनात एक भरीव मालमत्ता बनते.

गजबजलेला, वादग्रस्त बाजार

एआय म्युझिक जनरेशन जनरेटिव्ह मीडियाच्या अधिक स्पर्धात्मक कोपऱ्यांपैकी एक बनत आहे. कॉपीराइट प्रश्नांवरील सुनोच्या जर्मन न्यायालयाच्या पराभवाने असे सूचित केले आहे की संरक्षित रेकॉर्डिंगवर प्रशिक्षित मॉडेल्ससाठी कायदेशीर वातावरण विशेषतः युरोपमध्ये कठोर होत आहे. त्या पार्श्वभूमीवर, परवाना देण्यावर भर देण्याचा Google चा निर्णय — तपशील गोपनीय ठेवताना — एक कायदेशीर ढाल आणि सावध एंटरप्राइझ ग्राहकांना उद्देशून मार्केटिंग संदेश दोन्ही म्हणून वाचतो.

स्पर्धात्मक भाग देखील वितरणाविषयी आहेत. जेमिनीचा वापरकर्ता आधार Lyria 3.5 ला पोहोचतो की स्टँडअलोन म्युझिक स्टार्टअप्स जुळण्यासाठी संघर्ष करतात आणि Google Vids मध्ये एकत्रीकरण म्हणजे AI साउंडट्रॅक जवळजवळ रात्रभर कामाच्या ठिकाणी व्हिडिओ निर्मितीचा एक मानक भाग बनू शकतात.

निर्मात्यांसाठी याचा अर्थ काय आहे

कार्यरत संगीतकारांसाठी, मुख्य प्रवाहातील सहाय्यकामध्ये पॉलिश, परवाना-डेटा संगीत मॉडेलचे आगमन हा दुहेरी विकास आहे. हे जिंगल्स, बॅकिंग ट्रॅक आणि वैयक्तिकृत गाण्यांची किंमत जवळजवळ शून्यावर कमी करते, मानवी कलाकार त्वरित, पुरेशा आउटपुटसह कसे स्पर्धा करतात याबद्दल परिचित प्रश्न उपस्थित करते. सध्या, Google चे मेसेजिंग केंद्रे स्टुडिओ उत्पादन बदलण्याऐवजी सहाय्य आणि उत्सव-स्केल सर्जनशीलतेवर आहेत.

काय स्पष्ट आहे की एआय संगीत डेमो टप्प्यातून बाहेर पडत आहे. Lyria 3.5 जेमिनी ॲप, फ्लो म्युझिक, AI स्टुडिओ, Google Vids आणि सार्वजनिक API मध्ये राहत असल्याने, वापरता येण्याजोगे गाणे व्युत्पन्न करणे हे आता एक वैशिष्ट्य बनले आहे, त्याची स्वतःची उत्पादन श्रेणी नाही — आणि उद्योग परवाना-प्रशिक्षण दाव्याची छाननी करत आहे की नाही यावर लक्ष ठेवेल.